研究者提出HGM-Dual框架优化规划Agent自我改进效率

研究者在arXiv发布论文，提出HGM-Dual——一个诊断引导的规划Agent harness演化框架，针对HGM等递归自我改进方法盲目探索、消耗大量评估预算的问题。该方法通过谱系感知上下文记录祖先修改的效果归因，并采用错误条件下的双路径子代生成。据论文称，HGM-Dual在案例准确率上较最强基线最高提升14.45%，并以2x-4x更少的评估预算达到HGM变体的最终性能。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。